檢測器估計關(guān)鍵特征點的分值，并根 據(jù)所述分值的大小判斷得到關(guān)鍵特征點，根據(jù)該判斷模型判斷得到所述圖片中關(guān)鍵特征點 是否準確，提高了該模型的精確度。
[0126] 實施例9
[0127] 如圖5所示，為本發(fā)明實施例中的一種人臉關(guān)鍵特征點檢測模型訓(xùn)練系統(tǒng)結(jié)構(gòu)框 圖，包括：
[0128] 第一獲取模塊1，適用于采用人臉檢測算法獲取輸入圖片的人臉位置；
[0129] 在所述第一獲取模塊1之前還包括標定模塊，其中，所述標定模塊具體為標定單 元，適用于收集包含人臉的圖片，按照預(yù)設(shè)規(guī)則對所述圖片中人臉位置區(qū)域與人臉關(guān)鍵特 征點進行標定，生成訓(xùn)練集。
[0130] 第一處理模塊2,適用于根據(jù)訓(xùn)練集的平均關(guān)鍵特征點與所述人臉位置，得到更新 前的關(guān)鍵特征點初始位置；
[0131] 其中，所述第一處理模塊2具體為：
[0132] 歸一化單元21，適用于以向量表示所述訓(xùn)練集中每張圖片關(guān)鍵特征點，對所述人 臉位置區(qū)域的尺寸進行歸一化處理；
[0133] 加權(quán)單元22,適用于在歸一化處理的該圖片上取向量加權(quán)平均值，得到所述平均 關(guān)鍵特征點；
[0134] 第一處理單元23,適用于根據(jù)人臉位置和尺寸對所述平均關(guān)鍵特征點進行位移和 縮放，得到相應(yīng)的更新前的關(guān)鍵特征點初始位置。
[0135] 第二處理模塊3,適用于根據(jù)真實關(guān)鍵特征點的位置，估計人臉的3D角度；根據(jù)該 3D角度旋轉(zhuǎn)人臉3D模型，將3D模型映射至2D空間，得到更新后的關(guān)鍵特征點初始位置；
[0136] 所述第二處理模塊3之前還包括規(guī)定化處理模塊6,所述規(guī)定化處理模塊6具體 為：
[0137] 統(tǒng)計單元61，適用于統(tǒng)計各關(guān)鍵特征點初始位置的灰度直方圖；
[0138] 規(guī)定化處理單元62,適用于根據(jù)預(yù)設(shè)的灰度直方圖對所述灰度直方圖進行規(guī)定化 處理，調(diào)整對應(yīng)圖片塊的灰度值，直到所述圖片塊的灰度直方圖達到預(yù)設(shè)的灰度直方圖為 止。
[0139] 具體地，規(guī)定化處理模塊6與本申請文件中的第一規(guī)定化單元至第四規(guī)定化單 元，其中，所有的規(guī)定化單元的作用于規(guī)定化處理模塊6作用相同，均是統(tǒng)一各關(guān)鍵特征點 初始位置的灰度直方圖，使各關(guān)鍵特征點初始位置的灰度直方圖的灰度值達到預(yù)設(shè)的灰度 直方圖的灰度值。
[0140] 其中，所述第二處理模3塊具體為：
[0141] 算法單元31，適用于將真實關(guān)鍵特征點的位置映射至預(yù)設(shè)3D人臉模型，根據(jù) POSIT算法計算人臉的三維旋轉(zhuǎn)角度；
[0142] 轉(zhuǎn)換處理單元32,適用于將3D人臉模型的人臉按三維旋轉(zhuǎn)角度映射至2D空間并 進行相似變換，得到更新后的關(guān)鍵特征點初始位置。
[0143] 第一訓(xùn)練模塊4,適用于根據(jù)更新前、后的關(guān)鍵特征點初始位置差值以及更新前的 關(guān)鍵特征點初始位置所提取的區(qū)域特征，訓(xùn)練動態(tài)初始化回歸模型；
[0144] 其中，所述第一訓(xùn)練模塊4具體為：
[0145] 第一規(guī)定化單元41，適用于將所述更新前的關(guān)鍵特征點初始位置與更新后的關(guān)鍵 特征點初始位置進行直方圖規(guī)定化處理；
[0146] 第一訓(xùn)練單元42,適用于根據(jù)更新前、后的位置關(guān)鍵特征點初始位置的差值以及 更新前的關(guān)鍵特征點所提取的區(qū)域特征，訓(xùn)練得到動態(tài)初始化回歸模型。
[0147] 第二訓(xùn)練模塊5,適用于根據(jù)所述更新后的關(guān)鍵特征點初始位置和真實關(guān)鍵特征 點位置的距離差以及在更新后的關(guān)鍵特征點初始位置提取的區(qū)域特征，訓(xùn)練級聯(lián)回歸模 型。
[0148] 其中，所述第二訓(xùn)練模塊5具體為：
[0149] 距離差計算單元51，適用于計算更新后的關(guān)鍵特征點初始位置和真實關(guān)鍵特征點 位置的距離差；
[0150] 第二規(guī)定化單元52,適用于根據(jù)預(yù)設(shè)的灰度直方圖規(guī)定化處理更新后的關(guān)鍵特征 點初始位置，調(diào)整其灰度值至預(yù)設(shè)的灰度直方圖；
[0151] 第一提取單元53,適用于提取規(guī)定化處理的更新后的關(guān)鍵特征點初始位置中的方 向梯度直方圖特征；第二訓(xùn)練單元54,適用于按照監(jiān)督下降法或局部二值特征回歸法訓(xùn)練 級聯(lián)回歸模型；其中，根據(jù)訓(xùn)練集中的真實關(guān)鍵特征點和平均關(guān)鍵特征點的距離差的分布 狀態(tài)，為每個關(guān)鍵特征點相應(yīng)地分配不同的加權(quán)值。
[0152] 如圖6所示，為本發(fā)明實施例中一種人臉關(guān)鍵特征點檢測系統(tǒng)結(jié)構(gòu)框圖，包括：
[0153] 第二獲取模塊7,適用于獲取輸入圖片的人臉位置；
[0154] 更新前處理模塊8,適用于根據(jù)平均關(guān)鍵特征點與所述人臉位置，得到該輸入圖片 更新前的關(guān)鍵特征點初始位置；
[0155] 其中，第二獲取模塊7與第一獲取模塊1的處理圖片的方式相同、更新前處理模塊 8與第一處理模塊2相同的方式相同，在此不 贅述，只是檢測時，具體針對某一張輸入 圖片進行處理。
[0156] 第一計算模塊9,適用于根據(jù)更新前的關(guān)鍵特征點初始位置以及所提取的區(qū)域特 征，調(diào)用所述動態(tài)初始化回歸模型，得到更新后的關(guān)鍵特征點的初始位置；
[0157] 其中，所述第一計算模塊9具體為：
[0158] 第三規(guī)定化單元91，適用于根據(jù)預(yù)設(shè)的灰度直方圖規(guī)定化處理更新前的關(guān)鍵特征 點初始位置，調(diào)整其灰度值至預(yù)設(shè)的灰度直方圖；
[0159] 第二提取單元92,適用于提取規(guī)定化處理的更新前的關(guān)鍵特征點初始位置所對應(yīng) 的區(qū)域特征；
[0160] 第一計算單元93,適用于將更新前的關(guān)鍵特征點初始位置和其對應(yīng)的區(qū)域特征作 為動態(tài)初始化回歸模型的輸入值，得到更新后的關(guān)鍵特征點初始位置。
[0161] 第二計算模塊10,適用于根據(jù)更新后的關(guān)鍵特征點初始位置及所提取的區(qū)域特 征，調(diào)用所述級聯(lián)回歸模型計算人臉關(guān)鍵特征點位置；
[0162] 其中，所述第一計算模塊10具體為：
[0163] 第四規(guī)定化單元91，適用于根據(jù)預(yù)設(shè)的灰度直方圖規(guī)定化處理更新后的關(guān)鍵特征 點初始位置，調(diào)整其灰度值至預(yù)設(shè)的灰度直方圖；
[0164] 第三提取單元101，適用于提取規(guī)定化處理的更新后的關(guān)鍵特征點初始位置所對 應(yīng)的區(qū)域特征；
[0165] 第二計算單元102,適用于將更新后的關(guān)鍵特征點初始位置和其對應(yīng)的區(qū)域特征 作為級聯(lián)回歸模型的輸入值，計算人臉關(guān)鍵特征點位置。
[0166] 檢測模塊11，適用于根據(jù)所述人臉關(guān)鍵特征位置將輸入圖片經(jīng)仿射變換得到對齊 的人臉圖片，檢測所述對齊的人臉圖片是否大于預(yù)設(shè)評測分數(shù)，根據(jù)檢測結(jié)果判斷所述人 臉關(guān)鍵特征點是否準確。
[0167] 其中，所述檢測模塊11具體為：
[0168] 標準調(diào)整單元111，適用于將所述輸入圖片按照人臉關(guān)鍵特征位置進行仿射變換， 調(diào)整所述輸入圖片的人臉關(guān)鍵特征到統(tǒng)一位置得到對齊的人臉圖片；
[0169] 檢測單元112,適用于采用人臉檢測器檢測所述對齊的人臉圖片得到相應(yīng)的評測 分數(shù)，將檢測結(jié)果所得到所述評測分數(shù)與預(yù)設(shè)評測分數(shù)進行比較，當所述評測分數(shù)小于預(yù) 設(shè)評測分數(shù)時，則判定人臉關(guān)鍵特征點不準確；當所述評測分數(shù)不小于預(yù)設(shè)評測分數(shù)時，則 判定人臉關(guān)鍵特征點準確。
[0170] 如圖7所示，為本發(fā)明實施例中的通過人臉關(guān)鍵特征點檢測方法或系統(tǒng)得到的人 臉關(guān)鍵特征點的效果圖，
[0171] 在本實施例中，在關(guān)鍵特征點數(shù)量較多、光線較暗、多姿態(tài)、多表情的情況時，用戶 僅需對圖片中的人臉進行標記，根據(jù)訓(xùn)練集的初始關(guān)鍵特征點和真實關(guān)鍵特征點的特征信 息，學習得到回歸模型；通過提取特征和使用回歸模型，可以快速、準確地找到各關(guān)鍵特征 點的最佳位置，從而可快速而準確地找出人臉關(guān)鍵特征點，提高人臉特征點檢測的效率和 精確度。
[0172] 本領(lǐng)域普通技術(shù)人員可以理解上述實施例的各種方法中的全部或部分步驟是可 以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲于一計算機可讀存儲介質(zhì)中，存儲 介質(zhì)可以包括：閃存盤、只讀存儲器（Read-OnlyMemory，ROM)、隨機存取器（RandomAccess Memory，RAM)、磁盤或光盤等。
[0173] 綜上所述，本發(fā)明通過獲取輸入圖片中人臉位置，將人臉關(guān)鍵特征點周圍的圖像 塊進行直方圖規(guī)定化處理，不僅減少了光線對關(guān)鍵特征點的影響，還在光線較差和光照不 均勻情況下，提高了人臉關(guān)鍵特征點的檢測精度；使用監(jiān)督下降法或局部二值特征回歸法 訓(xùn)練回歸模型之前，采用動態(tài)化回歸模型，能夠使得初始狀態(tài)更